陈思丞：公共管理研究中的事件史分析方法
2022年12月3日上午，由清华大学计算社会科学与国家治理实验室主办的首届清华交叉学科研究能力提升计划“大数据与因果推断研讨班”第六讲在线上举行。本次讲座邀请清华大学公共管理学院副教授陈思丞为研讨班学员作题为“公共管理研究中的事件史分析方法”的主题讲座，从方法概述、Logit 模型、Cox比例风险模型等多方面为同学详细讲授了事件史分析方法。大数据与因果推断研讨班全体入选学员及助教以网络会议形式参加。
本次讲座以“公共管理研究中的事件史分析方法”为主题。陈思丞老师首先从自己的研究和发表经历引入，为大家讲解探究“组织声誉与中央部委机构改革”关系的过程，指出媒体影响力会影响行政重组。陈老师也从数据收集、文章写作、投稿发表等方面和学员们分享了如何做高水平的学术研究，同时提醒同学们多学习思考公共管理领域理论，关注理论意义，也要尽最大可能完善数据，提高数据独特性。
事件史分析是研究社会现象动态过程的一类统计模式，关注事件的发生以及发生之前的持续时间。该方法最初应用于生物医学与工程学，20世纪60、70 年代开始应用于社会科学领域。事件史分析方法现已广泛应用于犯罪、婚姻等社会学领域，政策创新扩散、官员职位调动等公共政策领域，国家形态演变等国际关系领域。接着陈老师结合实例讲解了事件史分析数据的特点，方法的统计基础以及在何种情况下使用何种方法。
接下来陈老师详细讲解了事件史分析中的Logit模型。当事件是离散型，时间是离散型时即可采用离散时间模型。时间离散指的是风险率在一个时间区间内是常量；风险率可能随时变化，但是只能在一个固定的时间点上测量。该模型的优点在于容易处理删截情况、容易更新随时间变化的变量，容易处理资料结构并解释统计结果。陈老师结合2019年Governance发表文章“Competing for father‘s love? The politics of central government agency termination in China”为大家做了演示。
Cox比例风险模型则是一种半参数模型。其成立的重要前提是比例风险假设成立，即风险函数中的解释变量x与时间t不相关。常用的几种检验方法包括：对数-对数图；观测-预测图；基于舍恩菲尔德残差的检验。而当检验不满足时可以采用分层Cox模型将不满足比例风险假设的变量按照其取值水平分组，或者引入随时间变化的解释变量。同样陈老师用Journal of Politics的“The politics of agency termination: Confronting the myth of agency immortality”做了详细的实例讲解。
连续时间模型参数模型可以提高模型的精度和解释力，包括比例风险模型与加速失效时间模型。以Comparative Political Studies 中“Testing the China Model of Meritocratic Promotions：Do Democracies Reward Less Competent Ministers Than Autocracies?”为例，陈老师讲解了模型如何在文章中具体应用，并指出高质量的研究与发表通常需要结合有力的理论解释、吸引人的题目、大样本的数据与前沿的方法。
当因变量为多种类型事件，即因变量不是只有0和1两种情况，而存在多种类时，需要用到竞争性风险模型。竞争性风险指的是一个事件由“是否发生”细分为多种不同的结果，每一种结果都是互斥的，一种事件的发生将样本中的个体从其他种类事件发生的风险中排除，各类事件的发生存在竞争性。在实例操作中，陈老师用发表于PAR期刊的“What Explains Agency Heads’ Length of Tenure? Testing Managerial Background, Performance, and Political Environment Effects”文章中“机构主管离开现机构后的三种选择”讲解了该模型的使用。
最后陈老师就讲座中提到的重要问题和方法做了Stata演示，回答了同学们提到的“做研究的时间周期”“模型如何选择”等相关问题。至此，本次讲座圆满结束。
